結論：「平均の収束」と「分布の収束」は別物
確率論の二大基本定理である大数の法則（LLN）と中心極限定理（CLT）は、どちらも「サンプル数を増やすと何かに収束する」という定理ですが、収束の対象が違います。LLNは「標本平均が真の期待値に収束」、CLTは「標本平均の分布が正規分布に収束」。両方とも統計学と確率論の根幹をなします。
この記事で分かること
- 大数の法則の意味と例題
- 中心極限定理の意味と例題
- 両者の決定的な違い
- ガチャ確率における「収束」の正体
- 統計推測の基礎理論
1. 大数の法則（Law of Large Numbers）
サンプル数 n を無限に大きくしていくと、標本平均は真の期待値に収束するという定理。
例：サイコロを n 回振った平均は 3.5 に近づく、コインを n 回投げた表の割合は 50% に近づく。
2. 中心極限定理（Central Limit Theorem）
独立同分布の確率変数 X1, X2, ..., Xn の平均（または和）の分布は、n が大きくなると正規分布に近づきます。
元の分布が何であっても、平均の分布は正規分布になるという驚くべき事実です。
3. 両者の違い
| 項目 | 大数の法則 | 中心極限定理 |
|---|---|---|
| 対象 | 標本平均の値 | 標本平均の分布 |
| 主張 | 真の期待値に収束 | 正規分布に近づく |
| 必要な仮定 | 独立同分布 | 独立同分布 + 有限分散 |
| 用途 | 期待値の推定 | 信頼区間・仮説検定 |
4. ガチャ確率における「収束」
排出率1%のガチャを N 回引いたときの平均獲得率を考えてみます。
- 100回: 平均 0.5〜1.5% くらいでブレる（個人差大）
- 1,000回: 0.85〜1.15% くらい（収束し始め）
- 10,000回: 0.97〜1.03% くらい（ほぼ収束）
- 100,000回: 0.99〜1.01%（ほぼ真の値）
「100連すり抜けは確率の偏り」ではなく「収束途中の自然な揺れ」と理解できます。
5. 「平均は揺れるけど分布の形は予測可能」
CLTの面白さ：n=100程度でも、標本平均の分布は 近似的に正規分布 になる。これを使うと「95%の確率でこの範囲に収まる」が事前に分かります。
例: ガチャ1%排出 × 100連の場合
期待値 1.0体、SD = √(100×0.01×0.99) ≒ 0.995
95%は -0.95〜+2.95 体 → 0〜3体 に入ると予測可能
6. 統計推測への応用
世論調査で「支持率 30% ± 3%（95%信頼区間）」と書かれているのは、CLT に基づいて計算された誤差幅です。サンプル数 n を増やせば誤差は √n の速度で減ります。
7. 弱法則と強法則
大数の法則には2種類あります。
- 弱法則: 確率収束（任意のε>0で P(|平均-μ|>ε) → 0）
- 強法則: ほとんど確実に収束（P(lim 平均=μ)=1）
応用では強法則の方が強い結論ですが、ほとんどの実用場面では弱法則で十分です。
8. 「ギャンブラーの誤謬」との関係
「ハズレが続いたから次は当たるはず」というのは大数の法則の誤解。LLNは「無限回試行で平均が真の値に近づく」と言っているだけで、「個々の試行が補正される」とは一言も言っていません。
よくある質問
Q. 大数の法則は何回試行すれば成り立つ？
A. 厳密には「n → ∞」ですが、実用的には数百〜数千回で平均は真の値の数%以内に収束します。ガチャ確率の場合、10,000連程度で公称排出率にかなり近くなります。
Q. 中心極限定理が成り立たないケースは？
A. 分散が無限大（コーシー分布など）、独立でない場合、分布が大きく異なる場合などは成り立ちません。実生活ではほとんどの場合成り立ちます。
Q. 両者の発見はいつ？
A. 大数の法則はヤコブ・ベルヌーイが1713年、中心極限定理はド・モアブル（1733）→ラプラス→リアプノフ（1901）と段階的に確立されました。
Q. CLTの「中心」とは何の意味？
A. 「中心極限定理」の『中心』は原語のcentralで「重要な」という意味。「中心極限定理」「中心極限の定理」とも呼ばれます。
Q. ガチャでは収束するから運要素ない？
A. 個人の引きは数百〜数千連レベルでは大きく揺れるため、運要素は強いです。収束は理論上で、現実の個人は『運の良い偏り』『運の悪い偏り』を経験します。
桂木 統からの追加考察：「収束する」までの "数千〜数万回" を直感する
大数の法則は「試行を増やせば真の確率に収束する」と教えるのですが、"どれくらい多くの試行が必要か" を直感で持っている人は意外と少ないのが現状です。具体的な目安を示します。
排出率 1% のガチャで「実測排出率を真の値から ±0.1% 以内に収束させる」ために必要な連数：
- 標準誤差を計算：SE = √(0.01 × 0.99 / n)
- SE ≤ 0.001 を満たす n を求めると、約 9,900 連
- 排出率 0.6% なら 約 16,500 連必要
つまり 個人が一生で引くガチャ数では "収束" を体感することは不可能に近いのです。「俺は確率に裏切られた」「○○のガチャは確率がおかしい」と感じるのは、収束していない範囲の出来事だからです。LLN・CLT を理解することは、こうした感情的判断から自分を守る最も実践的な方法の一つです。
まとめ
この記事のポイント
- 大数の法則は『標本平均が真の期待値に収束』
- 中心極限定理は『標本平均の分布が正規分布に近づく』
- 両者は『収束する対象』が違う
- ガチャ確率の収束は数千〜数万連レベルで観測
- ギャンブラーの誤謬はLLNの誤解
この記事の編集責任者
桂木 統（かつらぎ おさむ）
確率論・統計学を専門領域とする編集責任者「桂木 統」が、本記事の数式・確率計算・統計データを公開前に検証しています。JRA・宝くじ公式・政府統計などの一次情報を参照し、出典を明示しています。
編集責任者プロフィールを見る